摘要

OpenClaw不是模型层的革命，而是把已经接近“F1引擎”的模型装进一台普通人能开的车。 它用记忆、偏好、工具、本地文件和IM连接把能力封装起来，但真正价值取决于怎么“养”：简单搜索或报告未必胜过成熟Chat工具，复杂Coding、多阶段交付和验收才更能拉开差距。“驾驶员还是非常重要的。”
这轮最先兑现收入的确定是卖课，代安装和专用硬件也在承接热潮，技术落地与情绪套利同时发生。 媒体制造“不上车就晚了”的焦虑，中间商负责降低门槛；OpenClaw又因开源而允许大厂、KOL、学校乃至政府共同借势。庄明浩的商业判断很直接：利益相关公司的最优解是“应蹭尽蹭”，“人在江湖，身不由己”。
To B真正受到冲击的不是某只“龙虾”，而是自然语言可能把广义软件的建造成本压到接近可忽略。 企业内部类似CIO的角色因此开始重估SaaS采购与内部流程，但数据、安全、权限、KPI和组织协同决定了企业不会瞬间迁移；争议只在于从观望到争抢会突然发生，还是仍需更长实施周期。企业的问题已经从“该不该用”转为“怎么用、用在哪、谁来做”。
Token不能简单说成模型厂商消化过剩算力的收割工具，而是需求膨胀速度快过单位成本下降后的燃料。 一次交互已从几十秒扩展到十几个小时，还叠加Coding、搜索、图片与视频；庄明浩以Sora 2关闭、国内产品限制调用次数说明供给仍紧。孙冰洁引述国内外价格最高相差17倍、中国约占60%供应的数据；低价可能放大国内热度，却不能证明厂商在主动制造过剩。
中国的OpenClaw热度更高，是因为大量用户从chat直接跳到了action，而美国用户此前已沿ChatGPT、Claude、Gemini逐步使用更复杂的Claude Code或API。 这次跃迁确实把大众认知推进到“让AI干活”，但真正使用者可能仍只有几百万人，相对于十几亿网民远非全民。“全网都在讨论”可能只是高密度圈层的回声。
二级市场已经进入产业进展与股价不再线性对应的阶段。 英伟达连续两个季度财报超预期而股价几乎不动，市盈率已低于沃尔玛、Costco乃至标普500平均水平；微软一度跌去约三分之一，但存储、光通信等题材仍可接力。两句话同时成立：“市场永远都是有效的，市场永远都是过头的。”
庄明浩对“价值股还是投机股”的回答是：“所有都是投机股，没有价值股。” 应用、模型、云、数据中心、GPU到台积电都能增长，却都承担成本或Capex；模型公司约50%—60%的毛利未必覆盖总成本，Meta甚至把约50%的收入投向Capex。全链条都在押一个需要巨额资金和前置条件才能实现的未来，投资者能做的只是按自身风险承受力选择位置。
AI既放大个人与小团队，也可能在能力越过临界点后瞬间清扫岗位。 短剧从吸纳演员、编剧和服化道，到小半年的时间内转向AI漫剧和AI真人剧，是庄明浩眼中“挡不住了”的样本；与此同时，早期资本可用5万美元Token支持个人或小团队先做出东西，再评估是否投资，一人公司也能被AI“润”起来。可行的应对不是寻找标准答案，而是“让自己手脏一点”，弄清自己究竟想做什么、在玩什么游戏。

精读

1. OpenClaw补的是产品外壳，不是模型能力

庄明浩回忆，OpenClaw约在2025年底正式发布，真正进入中国互联网集中讨论是一月底至二月春节期间；据他回忆，春节回来后的那一周左右，国内大厂便开始把复杂安装改造成一键式版本。
他的核心比喻是：大语言模型原本像发动机，DeepSeek R1一类推理模型把发动机做强，Claude 4系列甚至像“F1的引擎”；普通人不能直接使用引擎，OpenClaw提供的就是一台简化的“脚手架跟车”。
因而这不是惊天动地的算法创新，而是架构与工程实现恰好接住了模型能力跨过可用线的时刻。OpenClaw只是集中爆点，Agent的To B、To C实施从上一年已经开始。

2. 数字员工的差距藏在一个“养”字里

OpenClaw把记忆、偏好、工具调用、本地文件权限及IM连接装进同一架构；安装给每个人的软件相同，场景、工具、权限和使用方式却会让最终能力完全不同，所以流行的动词不是“用”，而是“养”。
若只让它搜索新闻、查资料或整理报告，它与ChatGPT、豆包差别不大，甚至可能不如专门优化过的Chat产品。任务越复杂，尤其是Coding以及包含多个阶段、交付物和验收环节的流程，脚手架的价值才越明显。
庄明浩把初始状态比作“一个普通大学生水平”的新员工：他不知道公司规范、上下游、数据库、工具和交付格式，也不了解管理者的偏好；使用者必须逐次给反馈、调优和补权限。
孙冰洁追问它离“数字员工”还有多远，得到的答案并非能力清单，而是责任转移：理想态确实像员工，但谁来养决定上限，“驾驶员还是非常重要的，就是人还是非常重要的”。

3. 企业已越过“该不该用”，卡在“怎么用”

目前看OpenClaw可能仍以C端使用更多，To B实施不会同样迅速；但企业内部类似CIO的角色已经开始重估数据流转、内部系统以及原有SaaS采购是否仍值得持续。
最激进的变化来自Coding：若个人或企业可以直接用自然语言说出需求，让AI生成广义软件，建立在软件稀缺性之上的SaaS生态就会受挑战。这也是庄明浩理解美国软件与SaaS股上半年暴跌的重要背景。
企业迁移仍受流程、数据、安全、隐私、权限乃至KPI、OKR牵制，不可能靠一次安装完成。分歧在时间：激进者认为市场已从观望进入争抢，保守者认为系统性实施还需要一段时间。
他在企业培训中观察到，客户几乎不再问AI“该不该用”，而是问用在哪个环节、提升效率还是直接增收、买标准模型还是魔改方案、找模型厂商或软件公司还是自建——焦虑已经下沉到操作层。

4. 模型大版本从半年一轮压缩到季度一轮

孙冰洁观察到ChatGPT、DeepSeek和OpenClaw都在上一年末至新年初引爆；庄明浩认为春节的传播情绪确有放大作用，但密集发布也来自厂商真实的版本竞赛。
从春节前一月底到四月中，Anthropic发布了一个最新的神秘模型，并称其强大到不敢发布；传说中的GPT-6准备就绪，智谱发布GLM 5.1，MiniMax发布2.7。大版本周期已从半年压到季度；若继续加速，所谓密集期最终会消失，因为“每天都是密集期”。

5. 第一桶金卖给焦虑，开源又把热潮推成“共谋”

对代装、培训和硬件是不是技术落地的追问，庄明浩先给出最现实的判断：“第一波赚钱的肯定是卖课的”，美国也一样。媒体把新技术包装成革命，民众担心不上车，中间商再以课程、安装或傻瓜版填补焦虑。
他把这个关系称为“双引号的共谋”：当热浪已经形成，云公司、互联网平台、模型厂商、算力与芯片公司不参与便会浪费流量，因此最优解甚至是唯一解，就是“应蹭尽蹭”。
OpenClaw的独特性在于开源。ChatGPT和DeepSeek R1属于明确商业实体，外部机构难以把其Logo当作大会主视觉；OpenClaw却允许KOL、大厂、小厂、学校、教辅机构乃至政府各讲各的故事，雪球滚起后无人能够控制。
DeepSeek R1发布几天便出现书籍、课程和虚拟主机，OpenClaw也迅速被写成书；在庄明浩看来，它的框架并不复杂到值得一本书，但商品数量本身就是风潮强度的指标。

6. 全权限实验把AI安全推成公共问题

OpenClaw最初是资深程序员为自己开发的工具，默认使用者能判断风险、设置围栏；当普通用户突然涌入，这个高技术门槛假设失效，本地原始版本甚至可以获得电脑的全部权限。
此前厂商已在尝试给Agent一台电脑或浏览器，但创业公司和大厂必须顾及安全、成本与权限，只敢在限定场景开放。OpenClaw先把这些顾虑放到一边，体验被推到极致，坏处也随之“赤裸裸”地出现。
爆红后版本几乎每一两天更新，许多更新都处理安全、隐私和权限；甚至没用过产品的人也开始担心文件与数据。这使AI安全不再只是狭义网络安全，而成为个人、企业、行业和政府都没有现成答案的新课题。

7. Token消耗跑得比算力供给更快

在发动机与汽车的比喻中，Token就是燃料，背后是数据中心和电。若只能选一个粗暴指标衡量AI业务，庄明浩会看Token量：它同时映射体量、规模、增速与资金消耗。
“OpenClaw只是帮模型厂商消耗过剩Token”的结论或许事后看似正确，但他认为马前炮恰好相反：模型厂商原本就缺算力。AI正在复现摩尔定律与安迪—比尔定律的关系——新增计算能力会被更复杂的软件需求吃掉。
早期Chat交互只运行几十秒，现在先进模型能连续执行十几个小时；再乘上Coding、搜索、图片识别和视频生成，消耗是几何级增长，而不只是问答字数变多。
他以OpenAI关闭Sora 2、国内产品限制调用次数为例说明优先级压力。确有让Agent查天气、读PDF等浪费，但“用户是没有罪的”；供需扭曲与正向促进并存，难以简单归为阴谋。

8. 中国从chat跳到action，热度也越过了真实用户规模

孙冰洁引述的数据称，国内外Token价差最高达17倍，中国厂商约占60%的Token供应；低成本可能让国内生态更容易扩大，但庄明浩强调，美国主流用户与中国大众的技术路径差异才是热度差的核心。
美国用户此前已从ChatGPT、Claude、Gemini逐步接触更复杂的Claude Code或API，OpenClaw更像针对个人特殊场景的小幅改进，To B用户可能试一试，却未必把它当成颠覆性工具。
中国大量用户仍停留在豆包、Kimi或千问的对话体验，直到千问开始订奶茶、叫车，才感受到从chat到action的变化；这轮热潮让这次跨越更集中、更剧烈，也把公众认知拉向“做行为、做工作”。
但“全网”的基数值得拆解：中国有十几亿网民，真正通过电脑或云端使用OpenClaw的或许只有几百万人。几百万人足以制造人人都在讨论的体感，却不等于全民采用。

9. OpenClaw本体难估值，生态影响力可以先被定价

庄明浩提到，作者很快被OpenAI吸收；OpenAI随后承诺仍以类似基金会的方式支持这个开源项目，但作者本人没有加入OpenAI。OpenClaw与OpenAI不存在绝对隶属关系，因此很难像普通公司一样给代码团队和软件本体计算狭义商业价值。
更重要的变化是开源与商业之间的界线变模糊。OpenClaw把“一个人的价值”放大到极端：项目不直接盈利，影响力、传播、覆盖和生态却能让硬件、Token、培训及周边服务繁荣。
一级市场也开始接受阶段性估值：初创公司的首个模型或产品可以先开源，以影响力和生态获得资本认可；到了某个节点，它仍要面对古典的收入、利润和现金流要求，只是那时规模可能已经很大。

10. 早期资本从押一条路改成购买多次试错

庄明浩举朋友Koji与真格基金合作的项目：先给AI个人开发者或小团队5万美元Token，做出东西后再判断是否投资。最贵模型一句短对话都可能花零点几美元，Token因而成为一种前置的孵化资源。
AI让个人或小团队能设想过去中型团队的项目，中型团队则可尝试大型团队的工作。早期资本并未失去意义，但启动所需的资金确实变少，投资人也因此可以支持更多试验。
一笔天使资金现在可能支持同一团队试六次：做几个月不行就换方向，获得阶段性反馈后再融资，即便融到钱仍可能继续换。低启动成本改变了“融资一次、执行一条路线”的约束。
他戏称市场上会出现更多“见光死项目”：强履历创始人先拿到数千万元，再反复发布、失败、转向。过去从天使、A轮到B轮围绕同一故事扩张的古典TMT路径，在AI创业中可能不再是常态。

11. AI硬件共识与“世外高人”叙事同时成立

中国一级市场过去一年的最大共识是AI硬件：纯软件付费和To B生态不如美国，大模型又已投得差不多；供应链、深圳华强北以及大疆、拓竹、Insta360、小米等成功经验，自然把资金引向硬件。
大厂历练过的“ready”创业者因此被追逐，无论产品是玩具、毛绒设备、显示屏、学习机、相机还是摄像头。这套群体效应有完整产业逻辑，庄明浩并不认为它天然错误。
孙冰洁在追问中把OpenClaw、Manus、Cursor等爆款产品的创作者作为“世外高人”叙事的例子；庄明浩则认为，新战场确实让原本不在VC射程内的个人获得更多机会。移动互联网在2015、2016年后趋于固化，AI却重新放大个人能力，硬件产业派与个人开发者派可能同时产生赢家。

12. 身处泡沫的人无法知道自己站在曲线哪里

庄明浩隐约担心AI圈会不会出现类似今天Web3的局面：高市值、高融资、坚定技术信念和宏大未来，最终变成“曲高和寡”的小圈层。孙冰洁明确反驳，AI覆盖范围和全民认可度远高于Web3，势能并非一个量级。
他的立场也更接近这种反驳，认为AI与Web3不一样、浪潮仍在推进；但他保留那一点不强烈的担心，因为“你在经历的当下，你是不知道你是在泡沫哪个阶段的”，只有十年、二十年后才能画出曲线。
市场信号同样矛盾：2026年科技巨头整体下跌，微软一度跌约三分之一，可能经历历史上最差的季度之一；英伟达连续两个季度财报超预期，股价却几乎没有变化。结果似乎只有“憋个大的”或向下，却没人能提前确认。
他曾设想英伟达再跌50%是否会成为落幕节点，随后发现其市盈率已从高峰约40倍降到十几倍、不到20倍，事实上接近减半。单一价格里程碑因此无法标记泡沫结束，调整可能早已在发生。

13. 二级市场会先互相抬轿，再互相补跌

美国估值框架仍围绕头部公司KPI、云厂商变化、即将上市的两家公司估值及初创公司的ARR倍数，软件与SaaS处于较大的调整期；中国市场缺少绝对好标的，容易把焦虑和主题溢价推给本不该享受它们的公司。
A股和港股可能是另一种情况。智谱和MiniMax这类“纯血”大模型公司涨幅很大，其他AI收入占比较高、能力也不弱的公司却可能大跌。只要巨额Capex前提不扭转，存储之后还能炒光通信、光传输乃至更底层元器件。
庄明浩用胖玛市盈率一度低于代工厂、英伟达市盈率低于沃尔玛和苹果说明定价可能矫枉过正：“市场永远都是有效的；市场永远都是过头的。”有效意味着终会修正，过头意味着总要先越界。
智谱因新模型上涨；只要主情绪还在，明天出现的OpenClaw、OpenCat或OpenBear等新东西也可能成为燃料，像金庸小说里的“梯云纵”，“左脚踩右脚就上去了”。主情绪扭转后，同一逻辑会成为叠加下跌与补跌的“梯云跌”。若只选0或1，他认为当前情绪仍偏正向，但转折时间无人知道。

14. 所谓价值股也在押一个昂贵到极端的未来

面对如何区分AI价值股与投机股，庄明浩回答：“所有都是投机股，没有价值股。”用户买应用，应用运行在模型上，模型依赖云，云落在数据中心，数据中心装GPU，GPU由台积电代工；整条链都在赌需求继续上行。
应用公司要向模型与云付费，毛利可能很低甚至为负，需要投资输血；模型公司既要服务用户又要训练下一代，约50%—60%的毛利仍可能覆盖不了总成本。
云、数据中心、英伟达和台积电看起来更赚钱，但同样不断扩大Capex。以冷静著称的台积电也加大投入，其董事长甚至表示调研了客户及“客户的客户”来确认AI需求，这能加强信心，却不能消除周期风险。
真正危险的是收入增长同时伴随现金流快速下降；Meta没有云业务，却把约50%的收入投入Capex。技术革命都会经历基础设施过度投入，只是当前存储、先进封装、电力、光传输和土地审批均受到限制，过度的终点仍无法计算。

15. 收入增长救不了被替代叙事，岗位更不会等财报确认

二级市场会按公司阶段给不同考题：新上市模型公司首个完整财年可能实现双位数倍数增长，下一年还得有新动作；传统实施或数据中心公司要借AI提高几个点毛利，芯片与代工公司则要让订单跨越量级。
Oracle是庄明浩眼中的典型：这家云时代的失意者因承接OpenAI大单而暴涨，随后市场发现以牺牲毛利率换取订单可能令未来三年现金流承压，股价又跌回去，“去年一年白折腾”。
软件与SaaS公司即使AI收入和总收入都增长，也可能压不住“AI会替代你”的固有逻辑；在这一情绪反转前，财报正反馈未必能改变估值方向。
岗位替代更突然。AI研发人员因站在能力边界上，反而比旁人更担心被自己的工具替代；短剧刚救活演员、编剧、导演、服化道和横店，文字、分镜、视频及声画同步能力逐步ready后，行业便在小半年的时间内迅速转向AI漫剧和AI真人剧——“啪，全部扫掉”。

16. 一人公司有杠杆，却不会自动生成生意

如果必须选择，庄明浩对“一人公司”相对悲观。AI、供应链和互联网确实无限放大个人边界，但现实经济是否给足生存空间是另一回事；能成立主体，不代表所做之事有价值或足以养活自己。
当下可见方向仍集中在自媒体、卖课、教师、美工、手工品牌主理人等少数服务业，对第一、第二产业影响有限。孙冰洁的推回也值得保留：“你这个思维堵死了多少对于灵活就业的希望啊？”
郝景芳团队提供了更现实的组织样本：几十人的一体公司拆成十几家四五人的原子单位，各地团队除了承接主体IP、教育课程和线下实施，也可承接其他业务；课程研发团队则可以研发并销售其他课程。
这里AI更像“润滑剂”，降低课程研发、私域运营、销售和组织班级之间的协同成本，让原本必须绑在公司内部的环节更容易拆开；它改善的是组织边界，不替代商业需求本身。

17. AI焦虑最终落到身心灵与教育

庄明浩认为，关于AI的讨论最后大概率都会走向两个问题：身心灵与孩子教育，本质都是对自己和下一代未来生活的焦虑。所谓科技大拿讲AI时代育儿更容易获得点击，却不可能给出标准答案，因为所有人都身处当下。
他的“诚实非答案”是：“焦虑是常态。”可做的不是专门抽出大段时间苦学，而是“让自己手脏一点”：把模型嵌进日常，例如拍餐食记录卡路里，体验build与玩的乐趣；不好用便先退回来，过段时间再试。
一个夏令营相关的尝试给孩子的问题是：“如果今天你没有作业，你没有课外课，爸爸妈妈也没有任何要求，你今天想干什么？”很多孩子回答不出；当AI越来越接近AGI，知道自己想要什么、从何获得精神满足和正反馈，可能比掌握某项工具更重要。
OpenClaw本身正是这个逻辑的例子：创始人财务自由后，只想在外出时通过手机上的微信或WhatsApp控制家中两台电脑干活；等了大半年没人做，便自己动手。一个真实、具体而无人解决的个人需求，最终滚成了全球热潮。

18. 下一站是自主进化，参与者只能边入局边抽离

业界在上一年底形成的共识是Agent下一阶段走向自主进化；近几个月的harness和环境搭建，都在减少人类干预，让AI自行纠偏、验证任务各个环节并寻找解决方案。Coding已接近ready，复杂现实任务仍未完成。
庄明浩援引OpenAI的五阶段框架：L1 Chatbot、L2推理已经跨过，L3 Agent正在进行；L4“研究者”意味着AI能做OpenAI研究员的工作，L5“组织者”则把强大个体编排成主体。AI for Science正被讨论为让AI处理药物、蛋白质等研究者任务，达到L4似乎不再遥不可及。
进展不会是直线：能力向前突进后，会与现实世界的利益、监管、政策、安全、隐私和权限碰撞，再回调、权衡、博弈，然后继续向前。连“什么时候算自主进化完成”都难定义，临界点可能在被社会命名之前就已经越过。
对创业和投资，他最终只给原则而不给点位：他认为一级市场只能看多，二级市场则需匹配性格与风险承受力；先想清楚“自己在玩什么样的游戏”，观察优秀参与者如何决策，并在“不断的抽离、不断的入局”之间校准。AI主题看起来还会延续，但无人能独善其身，也无人能实时标出周期位置。

E233｜硅谷右翼的权力网如何形成？聊聊彼得·蒂尔的思想启蒙拼图 Claude 为何让人感觉不一样（以及这对 AI 意味着什么）| The a16z Show